用于优化至少一个治疗计划的方法、计算机程序和计算机系统

摘要

一种在治疗计划中对资源的使用进行优化的方法，该方法涉及向一个或多个患者递送的多个辐射组，这些辐射组分别需要不同的资源，其中，使用包括与第一和第二资源组相关的优化函数的优化问题来执行优化。该方法可以用于为一个患者优化一个计划，或为不同患者优化多个计划，使得以最佳可能方式使用可用资源。

说明书

技术领域

本发明涉及用于涉及多个辐射组的剂量计划的系统和方法。

背景技术

在放射疗法治疗中，可以使用不同类型的辐射和不同的模态，其具有不同的性质并且涉及不同的成本。对于特定形式的治疗，某些模态可能比其他模态更有效，但同时可能更昂贵或需要使用有限的资源。

对于一个特定患者以及需要相同资源组的一组患者，以最佳可能的方式使用有限的资源一直是一个挑战。一个示例是如何将光子疗法与质子疗法相结合，使得以最具成本有效的方式使用资源，尤其是质子递送系统，从而获得最佳结果。

当今，放射疗法最常用的类型是光子疗法，其已被很好地建立，并且大多数设施都具有用于此目的的资源。通常利用质子或碳离子的离子疗法可以进行更精确的治疗，因此从质量角度来看通常更优选。同时，它需要目前昂贵得多的设备，因此更加稀缺。可以为一个患者使用不同类型的辐射的组合。放射疗法通常以多个分割递送给患者，例如每天一次。许多患者将从接收至少一些分割作为离子疗法而接收其余分割作为光子疗法中受益。由于可用性有限，应在可能产生最大积极效果的情况和程度下使用离子疗法。

欧洲专利申请EP2999517讨论了通过以下方式优化多个患者的治疗计划：首先可能使用不同的模态优化多个计划，然后选择计划的组合，其在资源受限的情况下提供最佳的计划质量。

Unkelbach等人的“Optimization of combined proton-photon treatments(质子-光子联合治疗的优化)”，Radiother Oncol 128(1)：133-138，2018年，讨论了双模态治疗的优化，该模态之间的权重被预定以比单模态治疗提高了计划质量。

发明内容

本发明的目的是能够利用最有效的资源使用来计划放射疗法。

本发明涉及一种用于至少使用第一和第二辐射组来优化至少第一治疗计划的治疗计划优化方法，其中，第一辐射组要被递送给第一患者，并且第二辐射组要被递送给第一患者或第二患者。第一和第二辐射组分别需要第一和第二资源组，并且优化使用包括与第一和第二资源组有关的优化函数的优化问题来执行。

结果可以是使用至少第一和第二辐射组的用于一个患者的一个治疗计划，每个都使用一个辐射组的第一和第二患者的第一和第二治疗计划，或第一和第二患者的第一和第二治疗计划，其中，每个治疗计划可以使用多个辐射组，或者针对任何数量的患者每个使用一个治疗计划，其中，每个治疗计划使用一个或多个辐射组。当为多个患者进行计划时，优化问题被设计来通过在优化问题的目标函数和/或约束中对于多个患者考虑组合的资源需求和计划质量来共同优化针对多个患者的计划。

辐射组由DICOM标准定义为辐射的集合(例如，外部束放射疗法中的束或近距离放射疗法中的导管)。辐射组定义了放射疗法治疗分割或放射疗法治疗分割的一部分，其将被应用一次或多次。通常，每个辐射组需要特定的资源组来递送治疗。用于不同辐射组的资源可能或多或少地昂贵并且或多或少地可用。通常将放射疗法治疗分为多个分割，并且可以对不同分割使用不同的辐射组，以例如在某些分割中包含比其他分割更大的束角。使用不同辐射组的另一个常见原因是组合了不同的治疗技术或模态。不同的辐射组可以是例如质子和光子辐射，或者是体积调制电弧疗法(VMAT)和强度调制辐射疗法(IMRT)。然后可以在相同治疗分割期间递送辐射组。将在详细描述中更详细地讨论这些和其他可能的组合。

可以一起使用的治疗技术或模态的示例包括VMAT、静态多叶准直IMRT(SMLC)、动态多叶准直IMRT(DMLC)、螺旋断层放疗、质子、氦离子、碳离子、其他离子的主动扫描、近距离放射疗法、被动散射和离子的均匀扫描。

根据本发明的方法可以用于在一组患者之间分配可用资源，以实现最佳的总体效果，通常是资源利用与计划质量之间的最佳平衡。这是通过在优化一个或多个治疗计划时已经考虑到资源需求来实现的。例如，该方法可以用于确定有限资源(例如质子放射疗法递送系统)的最佳可能使用。在这种情况下，该方法可用于优化对不同患者的资源分配。在优选的实施例中，根据本发明的总体优化可以用于瞄准在患者之间资源的分配，这将带来最大的益处。在进一步的步骤中，给定分配给该患者的资源，可以针对每个患者优化单独的治疗计划。

本发明的另一可能的应用是在递送给患者的不同分割使用不同的辐射组(例如具有较高数量的束的第一组和具有减少数量的束的第二组)时，以确定多少分割应该使用第一组，多少分割应该使用第二组，以便以成本有效的方式获得最佳效果。

在优选实施例中，优化问题还包括至少一个优化函数，其被设置为限制第一和第二资源组中的至少一个的使用。如本领域中常见的那样，每个优化函数都可以表示为约束，定义必须由所得计划实现的目标或目标函数中的项，应对其进行优化以使其尽可能地好，但这是相对于目标中的其他项的折中。优化问题可以包括与所有患者的所有计划、单个患者的完整计划、辐射组的子集、单个辐射组或辐射组内的单个束有关的优化函数。根据本发明，为两个或多个辐射组一起考虑资源。

优化问题优选地包括与辐射组之一要递送的目标剂量有关的优化函数。可以将目标剂量设置为最小、平均或中值目标剂量，或应递送至目标体积的指定分割的最小剂量。

在优选实施例中，优化问题还包括至少一个优化函数，其被设置为限制所有辐射组上的总递送时间。取决于诊所的资源，当优化中包括束组的递送时间或成本时，可以在优化中已经考虑到不同治疗机的可用时隙。

第一辐射组可以例如是光子辐射组，而第二辐射组可以是诸如质子或碳离子辐射组的离子辐射组。替代地，第一和第二辐射组可以是两种不同类型的离子辐射组，或者是任何期望的组合。

对于针对多个患者的计划的联合优化，优化问题优选地被设计为通过在目标函数和/或约束中对于多个患者考虑资源需求和计划质量来联合优化针对多个患者的计划。

根据前述权利要求中的任一项所述的方法，其中，所述优化问题包括被设置为有利于所述辐射组之一的至少一个优化函数。这适用于其中辐射组之一比其他辐射组更容易获得的情况，以避免使较少可用的辐射组过载。

优化问题可以包括可以有利于关于计划质量的不同模态的功能。此类功能可能通过下述方式与计划稳健性相关：或者显式地通过使用稳健的优化函数，或者隐含地通过计划稳健性的某种替代方案和/或目标外部的剂量(例如进入剂量、远侧脱落和半影)。

存在用于预测从一种计划切换到另一种计划的正面或负面效果的模型。这些模型可用于测量将特定种类的分割交换为另一种分割的效果，即，例如，与使用减少的束组相比，利用大量束，或者与使用光子辐射相比，利用质子辐射。这样的模型可以用于计算包括例如针对特定患者的质子辐射的额外分割的成本和收益。

根据本发明的成本可以基于许多不同的参数来确定，所述参数例如是以下的一个或多个：

·实际货币成本，

·设备的可用性，

·现有人员的工作量，或

·其他将不会接受治疗的患者的损失的益处。

本发明还涉及一种计算机程序产品，该计算机程序产品包括计算机可读代码装置，该计算机可读代码装置优选地存储在非暂时性存储介质上，当在处理器中运行时，该计算机可读代码装置将使处理器执行根据以上实施例中的任何一个的方法。

一种计算机系统，包括处理器、数据存储器和程序存储器，其中，所述程序存储器包括根据以上所述的计算机程序产品，所述计算机程序产品被设置为在所述处理器中运行以控制放射疗法治疗计划。

附图说明

以下将通过示例并参考附图更详细地描述本发明，在附图中，

图1是根据本发明可以使用的方法的第一实施例的流程图。

图2是根据本发明可以使用的方法的第二实施例的流程图。

图3是其中可以执行根据本发明的方法的计算机系统的概观。

具体实施方式

通常，治疗计划的优化涉及定义优化问题，该优化问题可以包括一个或多个目标函数和一个或多个约束。目标函数定义了应尽可能好地优化的变量。约束是不可超过的绝对限制，例如，对目标的最小剂量或对处于危险中的器官的最大剂量。

在下文中，将讨论一些示例，以针对单个患者使用多个辐射组进行优化，然后针对多个患者使用多个辐射组进行优化。目标函数将在示例中以“最小化”或“最大化”表示，约束将表示为“受限于”。在下面的所有示例中，优化问题还可能包括除了与列出的与传统优化目标有关的那些之外的其他目标项和/或约束。

可以以各种方式找到具有资源需求的多辐射组优化的解决方案：例如，可以离散化可能的资源分配，并且可以为每个备选方案计算解决方案。可以多次重复此过程以逐渐改善离散化的解析度。另一种方法是忽略优化期间的资源需求，然后将优化的解决方案四舍五入到可行的点，例如，通过四舍五入到分割的最接近的整数数量。然后可以在考虑资源需求的情况下继续优化。也有可能在优化中将资源表示为变量。

优化问题可以包括目标函数，该目标函数在对资源的可用性有约束的情况下，为患者优化结果，反之亦然，优化问题可以包括目标函数，该目标函数在对患者给定的最小可接受治疗质量有约束的情况下，对资源的使用进行优化。

为了针对单个患者使用具有不同治疗技术的多个辐射组来优化治疗，通常是一种治疗技术是优选的但又较少可获得的情况。

可以使用的一种约束类型是治疗的最大总时间t

最小化f(d

受限于t

其中，f(d

f(d

＝f

对于某些目标组成函数f

另外，可以对花费在SMLC辐射组上的最大时间t

t

如果考虑质量保证(QA)，则可能会出现当首选一种治疗技术但又较少看使用其时的另一种情况。特定于患者的QA通常是有限的资源，因为它涉及在幻影几何体上的计划的治疗的递送以及所递送剂量的测量和分析。对于某些复杂的治疗技术(例如SMLC或VMAT)，QA通常被认为是必要的，并且通常需要特殊的资源。对于更简单的治疗技术，例如3D-CRT，可能不需要QA，或者如果执行了QA，则其成本会更低。复杂的技术还会涉及QA失败的更高风险，使得必须优化新计划。因此，就工作负荷和治疗机器的使用而言，必须相对于QA的成本权衡需要患者特定QA的治疗技术的优势。包含这种折衷的优化公式的示例是根据以下方法同时优化三维共形放射疗法(3DCRT)和SMLC辐射组

最小化f(d

其中，x

在相关应用中，计划没有通过QA评估并因此要求进行重新计划的风险被包括在优化中。在此类应用中，可以根据以下部分制定同时优化3DCRT和SMLC辐射组，其中，将QA失败的风险限制在某个阈值水平b之内。

最小化f(d

受限于p(x

其中，p是预测伽马分析通过率并计算组合的3DCRT和SMLC治疗如何可能无法通过QA评估的估计的函数。这样的优化函数可以基于通过将机器学习应用于历史治疗计划而构建的预测模型。

如果使用治疗技术的组合，则可以对应该使用一种模态或每种模态的分割的数量添加约束。这可能适用于以下情况：其中，存在有多少特定技术可以用于要考虑的患者类型的规定。例如，组合了光子和碳放射疗法的将要以总共n

最小化f(d

受限于

n

n

n

n

碳分割n

其中，

等式(1)、(3)和(6)的组合可以用于优化问题，即，对每个分割的时间的约束和对分割的数量的约束两者。

如果将使用不同类型的离子的两种模态组合，则可以利用关于每种模态可以被使用多少的限制来优化每种类型的离子的使用。

如上所述，治疗模态的常见组合是光子疗法和质子疗法。质子疗法递送系统不如光子递送系统常见，因此是有限的资源。同时，在很多情况下，质子疗法优于和优选于光子疗法。一种解决方案是为患者提供许多质子分割，以及作为光子疗法的其余分割。质子分割的最佳数量是最后一个仍能提供一定程度改进的数量。

为了实现这一点，该优化可能受到以下约束：对于要给出的附加质子分割，该优化必须至少将某种质量量度提高至少一个最小量。在这种情况下适用的质量量度是正常组织并发症发生率(NTCP)。如以下将讨论的，这可以以不同的方式来实现。

例如，可以明确地解决光子分割和质子分割的不同划分，即分别解决光子分割和质子分割的数量的不同组合。在一般情况下，这涉及从要用于每个辐射组的分割的初始数量开始，分割的初始数量的总和是治疗中分割的总数。一起对所有辐射组执行辐射组优化，并评估质量量度。接下来，更改分割的初始数量，但总和仍为分割的总数，并执行新的优化并评估质量量度。对于每个辐射组的分割的数量的不同组合，将此重复多次，直到获得令人满意的质量量度。选择给出最满意结果的每个辐射组的分割数量的组合。

图1是在双辐射组中分别确定质子分割和光子分割的最佳数量的顺序方法的实施例的流程图。在步骤S11中，设置质子分割的第一数量n

在步骤S12中，一起对两个辐射组(即，在该示例中，质子和光子辐射组)执行优化。在步骤S13中，评估质量量度。

在步骤S14中，基于质量量度确定是否应当评估另一组分割数量。如果是，则继续步骤S15以形成新的循环，如果否，则过程结束。在步骤S15中，质子分割的数量n

通常，在步骤S14中，如果与先前的质量量度相比改进了最新的质量量度，则所述过程以新的循环继续。可以设置阈值，以便如果质量量度未改进超过某个特定值，则该过程将结束。可替代地，可以为质量量度设置目标值，并且当质量量度达到该目标值时，过程结束。

该方法基于以下见识：增加数量的质子分割通常将改善计划质量，而光子疗法更便宜且更容易获得。因此，通常，最有限的资源的分割数量应从0开始，或者在每次优化之间递增一定数量的低的数量，而更多的可用资源应从分割总数开始，或者递减相同的数量的高的数量。当进一步增加质子分割的数量不再导致质量量度的显著改善时，该过程应停止，并且在计划优化中应使用n

图2示出了替代实施例，该替代实施例涉及利用分割的极端划分在步骤S21中开始的双辐射优化中分别确定质子分割和光子分割的最佳数量的二元搜索方法，例如n

在步骤S24中，确定是否应该执行另一个优化。如果否，则过程结束。如果是，则在步骤S25中，基于在步骤S23中确定的改进幅度，例如以下列方式确定新的分割数量的组：如果改进超出限制，则将L设置为n

在步骤S24中，确定步骤可以有利地基于间隔[L，R]的大小。当间隔的大小小于某个值时，该过程结束。

还可以通过根据分割的不同划分来缩放预定的光子计划和预定的质子计划，并基于所得的近似质量增加来选择数量，近似地解决该问题。当已经确定划分时，可以执行具有确定的资源限制的多束组优化，以进一步提高计划质量。

即使使用质量上更加相等的两种治疗模态使得一种通常不优于另一种，对于辐射组的组合进行优化以利用它们具有不同属性的事实仍然是可行的。例如，一种模态可能不太受不确定性(例如患者设置不确定性)的影响，而其他模态则提供了更清晰的剂量梯度，从而实现了更精确的治疗。

在下文中，将讨论如何使用多个辐射组为多个患者设置优化问题的一些示例。

可能为所有患者设置完整的优化问题作为具有与资源的整体使用相关的附加目标函数或约束的所有患者的优化问题的组合，并且在一个操作中解决整个优化问题。如上所述，可以以总资源的可用性、每个患者的具体情况的益处以及质量度量的形式考虑资源的整体使用。

可以例如，从下述意义上说使用更简单的总体优化问题来确定患者之间的资源最佳分配：一个患者可能比另一个患者更受益于额外的质子分割。在那种情况下，可以使用分配给该患者的模态的组合，其后计算出每个患者的实际治疗计划。约束可能是，对于一个特定的辐射组，在资源有限的情况下，在给定的时间段内只有一定数量的分割可用。应该设置优化问题，以使这些分割以最佳方式分布在将从该辐射组受益最大的患者之中。

如上所述，经常使用光子分割和质子分割的组合，质子分割通常更好，但也更昂贵且更稀缺。为了确定在两个或多个患者之间分配有限数量的质子分割的最佳方法，可以使用诸如以下部分的优化问题同时优化患者的计划，其中，n是患者的数量，对于患者i，f

最小化

受限于

n

可以为代表有限资源的任何机器、模态、操作员等设置类似的问题。约束可以表示为分割的数量、分割的大小和/或机器可用的时间量。

即使在可用资源上没有界限，但是如果资源的最佳组合不重大，则优化分配资源的最佳方式可能仍然是有利的。例如，在同时优化质子和光子时，如果考虑到针对几何误差的鲁棒性，仅使用质子分割可能不是最佳的，因为质子通常受几何误差的影响更大。在那种情况下，可以使用类似于等式(6)的优化问题，但用“质子”代替“碳”，并且可以使用用户定义的质子分割数量上限。作为另一个示例，考虑相对生物学有效性和几何不确定性的离子种类的最佳组合绝非易事。

图3是可以在其中执行本发明方法的计算机系统的示意表示。计算机31包括处理器33、第一和第二数据存储器34、35以及程序存储器36。优选地，还存在一个或多个用户输入装置38、39，其形式为键盘、鼠标、操纵杆，语音识别装置或任何其他可用的用户输入装置。用户输入装置也可以被设置为从外部存储器单元接收数据。

第一数据存储器34包括用于执行该方法的必要数据，包括n

将理解，示意性示出并讨论了数据存储器34、35以及程序存储器36。可能有几个数据存储单元，每个数据存储单元都保存一种或多种不同类型的数据，或者可能有一个数据存储器，其以适当的结构化方式保存所有数据，并且对于程序存储器也一样。